馮鴻雁 王星月 董志良

內(nèi)容提要：制造業(yè)債券市場(chǎng)是實(shí)體經(jīng)濟(jì)的重要融資平臺(tái)，但也存在著潛在的信用風(fēng)險(xiǎn)傳染問(wèn)題，防范化解其信用風(fēng)險(xiǎn)對(duì)于維護(hù)實(shí)體經(jīng)濟(jì)和金融市場(chǎng)的穩(wěn)定至關(guān)重要。本文以2018—2022年制造業(yè)發(fā)債主體為研究樣本，采用KMV 模型來(lái)度量信用風(fēng)險(xiǎn)，利用關(guān)聯(lián)規(guī)則算法構(gòu)建風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)，探索債券信用風(fēng)險(xiǎn)傳染路徑，借助SIRS 傳染病模型進(jìn)行多情景模擬分析。結(jié)果表明，制造業(yè)債券發(fā)行主體信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)具有小世界與無(wú)標(biāo)度特征；制造業(yè)企業(yè)具有產(chǎn)業(yè)集聚特點(diǎn)，關(guān)鍵節(jié)點(diǎn)大部分位于廣東和江蘇，且以工業(yè)機(jī)械、機(jī)動(dòng)車零配件和基礎(chǔ)化工行業(yè)為主；救助政策在降低風(fēng)險(xiǎn)方面發(fā)揮關(guān)鍵作用，免疫政策對(duì)易感企業(yè)有顯著影響。上述結(jié)論可以為政府在制造業(yè)債券風(fēng)險(xiǎn)防范方面的相關(guān)工作提供政策參考。

一、引 言

債券市場(chǎng)作為金融市場(chǎng)重要組成部分，為實(shí)體經(jīng)濟(jì)融資提供了重要支撐作用。2022 年，我國(guó)信用債券市場(chǎng)存量已達(dá)41881 只①數(shù)據(jù)來(lái)源于Wind 金融終端債券版塊信用債中信用債研究和信用債違約版塊，https：//www.wind.com.cn/。，債券融資比例不斷擴(kuò)大，但隨著金融市場(chǎng)快節(jié)奏發(fā)展，信用債違約風(fēng)險(xiǎn)也逐漸顯現(xiàn)。僅2022 年，我國(guó)信用債違約數(shù)量達(dá)174 只，違約金額高達(dá)879.35 億元②數(shù)據(jù)來(lái)源于Wind 金融終端債券版塊信用債中信用債研究和信用債違約版塊，https：//www.wind.com.cn/。。

制造業(yè)作為實(shí)體經(jīng)濟(jì)的典型代表，其債券信用風(fēng)險(xiǎn)的高杠桿率和不確定性顯得尤為突出。習(xí)近平總書記高度重視制造業(yè)發(fā)展，強(qiáng)調(diào)制造業(yè)是實(shí)體經(jīng)濟(jì)的基礎(chǔ)，實(shí)體經(jīng)濟(jì)是我國(guó)發(fā)展的本錢，是構(gòu)筑未來(lái)發(fā)展戰(zhàn)略優(yōu)勢(shì)的重要支撐。制造業(yè)涉及多個(gè)行業(yè)與領(lǐng)域，其關(guān)聯(lián)利益主體覆蓋較廣，根據(jù)現(xiàn)有研究，目前企業(yè)間的關(guān)聯(lián)關(guān)系主要有交易、擔(dān)保、持股等，一旦該關(guān)系鏈上的企業(yè)發(fā)生違約，則會(huì)導(dǎo)致其他相關(guān)企業(yè)的信用風(fēng)險(xiǎn)也增大。例如，2018 年，大型民營(yíng)制造業(yè)企業(yè)叢林集團(tuán)由于為外部企業(yè)擔(dān)保最終導(dǎo)致23 家關(guān)聯(lián)公司與20 余家銀行均受到影響。另外，制造業(yè)在創(chuàng)收方面需要較長(zhǎng)的周期，這使其更容易產(chǎn)生信用風(fēng)險(xiǎn)。且在疫情沖擊后，雖然制造業(yè)恢復(fù)明顯，但由于總體上消費(fèi)恢復(fù)速度慢于生產(chǎn)（蘇京春等，2020），需要更加關(guān)注制造業(yè)信用風(fēng)險(xiǎn)情況。

為有效防范和控制債券信用風(fēng)險(xiǎn)，對(duì)制造業(yè)信用風(fēng)險(xiǎn)傳導(dǎo)進(jìn)行研究顯得尤為重要。而復(fù)雜網(wǎng)絡(luò)為信用風(fēng)險(xiǎn)研究提供了一種新的研究方法，通過(guò)市場(chǎng)中參與者之間的關(guān)系構(gòu)建關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)，而信用風(fēng)險(xiǎn)則在該網(wǎng)絡(luò)上傳播。因此，基于風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)，借助SIRS 模型探索制造業(yè)債券信用風(fēng)險(xiǎn)傳播路徑對(duì)防范債券市場(chǎng)風(fēng)險(xiǎn)具有一定學(xué)術(shù)和實(shí)踐意義。

本文可能的邊際貢獻(xiàn)在于：首先測(cè)度了制造業(yè)發(fā)債主體的信用風(fēng)險(xiǎn)，拓展了對(duì)我國(guó)制造業(yè)企業(yè)信用風(fēng)險(xiǎn)的了解；其次，通過(guò)關(guān)聯(lián)規(guī)則算法構(gòu)建了制造業(yè)信用風(fēng)險(xiǎn)的有向無(wú)權(quán)網(wǎng)絡(luò)，揭示了制造業(yè)中不同企業(yè)之間信用風(fēng)險(xiǎn)的聯(lián)系，有助于更全面地理解制造業(yè)發(fā)債主體間的風(fēng)險(xiǎn)傳播，并突出了制造業(yè)中產(chǎn)業(yè)集聚的特點(diǎn)，指出關(guān)鍵節(jié)點(diǎn)，為有關(guān)地區(qū)和行業(yè)的風(fēng)險(xiǎn)管理提供政策參考；最后，通過(guò)SIRS模型探討了不同政策水平下的信用風(fēng)險(xiǎn)傳播情況，有助于政府機(jī)構(gòu)更好地理解和評(píng)估不同政策選擇對(duì)于制造業(yè)債券信用風(fēng)險(xiǎn)的影響，為政府監(jiān)管制造業(yè)債券市場(chǎng)提供依據(jù)。

二、文獻(xiàn)回顧

近年來(lái)，國(guó)外學(xué)者在債券違約方面已經(jīng)有諸多研究（Duffie and Pan，2001；Giesecke et al.，2011）。而我國(guó)起步較晚，從2014 年逐漸出現(xiàn)債券違約現(xiàn)象后，債券信用風(fēng)險(xiǎn)研究開(kāi)始備受廣大學(xué)者關(guān)注（曹勇等，2016；高穎超、趙治綱，2021；李茹霞，2023）。為了更好地了解與防范債券信用風(fēng)險(xiǎn)的發(fā)生，信用風(fēng)險(xiǎn)評(píng)估是必不可少的關(guān)鍵環(huán)節(jié)，研究人員提出了多種評(píng)估模型：古典分析法、簡(jiǎn)約模型、結(jié)構(gòu)化模型、Z-score 模型、Logit 模型和KMV 模型等。KMV 模型是一種現(xiàn)代信用風(fēng)險(xiǎn)度量模型，在反映企業(yè)真實(shí)信用風(fēng)險(xiǎn)方面具有較強(qiáng)可靠度。相對(duì)于國(guó)內(nèi)學(xué)者，國(guó)外學(xué)者對(duì)KMV 模型的研究開(kāi)始較早。Altman and Saunders（1997）進(jìn)行了KMV 模型與傳統(tǒng)的Probit 多元判別模型的比較分析，研究結(jié)果顯示，KMV 模型在信用風(fēng)險(xiǎn)識(shí)別方面表現(xiàn)優(yōu)越，優(yōu)于其他模型。國(guó)內(nèi)學(xué)者也對(duì)其有一定研究，并根據(jù)我國(guó)的實(shí)際情況進(jìn)行了一定的修正，得到了更符合中國(guó)企業(yè)環(huán)境的KMV 模型（蔣書彬，2016；王佳、曹瓊予，2022）。此外，該模型從上市公司財(cái)務(wù)數(shù)據(jù)出發(fā)，數(shù)據(jù)采集相對(duì)容易，數(shù)據(jù)可獲得性也比較高。因此，本文選用KMV 模型來(lái)評(píng)估不同類型債券的信用風(fēng)險(xiǎn)。

對(duì)于企業(yè)間風(fēng)險(xiǎn)傳染具體情況，僅靠測(cè)度是無(wú)法體現(xiàn)的，且債券違約產(chǎn)生的信用風(fēng)險(xiǎn)會(huì)通過(guò)經(jīng)濟(jì)體間直接或間接關(guān)聯(lián)傳染給其他經(jīng)濟(jì)主體，導(dǎo)致大規(guī)模危機(jī)發(fā)生。具有較強(qiáng)的非線性和復(fù)雜系統(tǒng)建模和分析能力的復(fù)雜網(wǎng)絡(luò)方法，成為研究信用風(fēng)險(xiǎn)傳染機(jī)制的一種有力工具（高揚(yáng)等，2023；王姝黛等，2023）。近年來(lái)，復(fù)雜網(wǎng)絡(luò)方法被運(yùn)用在諸多研究領(lǐng)域，在經(jīng)濟(jì)與管理領(lǐng)域也被廣泛應(yīng)用（Chen et al.，2023；李旲等，2021；劉新?tīng)?zhēng)、高闖，2022）。也有諸多學(xué)者將復(fù)雜網(wǎng)絡(luò)與信用風(fēng)險(xiǎn)傳染結(jié)合在一起，探究經(jīng)濟(jì)體之間的關(guān)聯(lián)以及這些關(guān)聯(lián)對(duì)于信用風(fēng)險(xiǎn)傳染的影響（Yao et al.，2023；Wu et al.，2022）。為了探究制造業(yè)債券發(fā)債主體之間的具體關(guān)聯(lián)關(guān)系，本文結(jié)合關(guān)聯(lián)規(guī)則算法了解企業(yè)間信用風(fēng)險(xiǎn)關(guān)聯(lián)強(qiáng)度以及傳播方向。關(guān)聯(lián)規(guī)則是一種機(jī)器學(xué)習(xí)中的數(shù)據(jù)挖掘算法，它能夠在大規(guī)模數(shù)據(jù)集中發(fā)現(xiàn)事物之間的依賴關(guān)系或因果關(guān)系（Xiao and Piao，2022；施國(guó)良等，2020），可以明確信用風(fēng)險(xiǎn)的傳播方向和強(qiáng)度。

探索關(guān)聯(lián)信用風(fēng)險(xiǎn)的傳染規(guī)律、識(shí)別關(guān)聯(lián)信用風(fēng)險(xiǎn)的傳染路徑是制定有效風(fēng)險(xiǎn)管控策略的前提。信用風(fēng)險(xiǎn)的傳播與傳染病的傳播具有一定的相似性，諸多學(xué)者通過(guò)傳染病模型來(lái)研究金融領(lǐng)域的風(fēng)險(xiǎn)傳播，Lei et al.（2021）對(duì)SIS 模型改進(jìn)，研究供應(yīng)鏈網(wǎng)絡(luò)上的風(fēng)險(xiǎn)傳播；鐵瑞雪等（2018）利用SIR模型構(gòu)建R&D 網(wǎng)絡(luò)技術(shù)風(fēng)險(xiǎn)傳播動(dòng)力學(xué)模型，識(shí)別研發(fā)企業(yè)的技術(shù)風(fēng)險(xiǎn)。前人的研究說(shuō)明了傳染病模型在風(fēng)險(xiǎn)傳染中的適用性，然而在制造業(yè)債券信用風(fēng)險(xiǎn)傳染研究方面，運(yùn)用復(fù)雜網(wǎng)絡(luò)方法與SIRS模型相結(jié)合的研究較少，因此，為深入探究信用風(fēng)險(xiǎn)傳播，本文從傳染病學(xué)的角度出發(fā)，并結(jié)合復(fù)雜網(wǎng)絡(luò)方法，借鑒錢茜等（2019）研究，以更全面的視角，為政府監(jiān)管制造業(yè)債券市場(chǎng)提供參考。

三、研究設(shè)計(jì)

（一）理論機(jī)理

1.信用風(fēng)險(xiǎn)擴(kuò)散

制造業(yè)企業(yè)之間的信用風(fēng)險(xiǎn)是相互滲透的，且受到供應(yīng)鏈關(guān)系、金融機(jī)構(gòu)關(guān)聯(lián)以及宏觀經(jīng)濟(jì)環(huán)境等因素的影響。在供應(yīng)鏈方面，制造業(yè)企業(yè)依賴于供應(yīng)鏈中的其他企業(yè)提供原材料和服務(wù)，一旦供應(yīng)鏈中的某一企業(yè)出現(xiàn)債券違約，可能導(dǎo)致生產(chǎn)中斷和生產(chǎn)成本上升，從而影響其他企業(yè)，并且會(huì)沿著供應(yīng)鏈物資、資金和信用關(guān)聯(lián)關(guān)系傳染給其他企業(yè)，使關(guān)聯(lián)企業(yè)違約風(fēng)險(xiǎn)增加（黃苒、馮小鈺，2023）。此外，金融機(jī)構(gòu)在提供融資和信用支持方面扮演著關(guān)鍵角色，如果多家制造業(yè)企業(yè)共同依賴于同一家金融機(jī)構(gòu)，該金融機(jī)構(gòu)的問(wèn)題可能會(huì)導(dǎo)致多家企業(yè)的債務(wù)違約。同時(shí)，宏觀經(jīng)濟(jì)環(huán)境的變化也會(huì)加劇信用風(fēng)險(xiǎn)傳染。例如，經(jīng)濟(jì)衰退期間，多家企業(yè)面臨更大的經(jīng)濟(jì)困難，增加了債務(wù)違約的風(fēng)險(xiǎn)。這些因素共同作用，形成了制造業(yè)債券信用風(fēng)險(xiǎn)的傳染擴(kuò)散機(jī)制，給金融市場(chǎng)和實(shí)體經(jīng)濟(jì)帶來(lái)了潛在的風(fēng)險(xiǎn)和挑戰(zhàn)。

2.信用風(fēng)險(xiǎn)傳染

在債券違約情況下，違約企業(yè)會(huì)帶來(lái)一定的信用風(fēng)險(xiǎn)，而這種風(fēng)險(xiǎn)會(huì)透過(guò)制造業(yè)企業(yè)之間的關(guān)聯(lián)關(guān)系傳播給其他企業(yè)，在整個(gè)風(fēng)險(xiǎn)傳染過(guò)程中，傳染源、傳染路徑以及相關(guān)企業(yè)等相互影響，形成完整的風(fēng)險(xiǎn)傳染鏈。企業(yè)在發(fā)生債券違約之后，成為初始傳染源，面臨較大的財(cái)務(wù)危機(jī)而產(chǎn)生償債風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)等。之后感染企業(yè)通過(guò)日常活動(dòng)、關(guān)聯(lián)交易以及合作等行為與其他企業(yè)形成的各種各樣的關(guān)系網(wǎng)，關(guān)系的緊密程度不同，風(fēng)險(xiǎn)傳染的速度和效應(yīng)也不盡相同。而與違約企業(yè)有關(guān)聯(lián)并且自身應(yīng)對(duì)風(fēng)險(xiǎn)能力不強(qiáng)的企業(yè)，在被風(fēng)險(xiǎn)源企業(yè)傳染后很有可能面臨同樣的險(xiǎn)境。而一些具有較強(qiáng)風(fēng)險(xiǎn)應(yīng)對(duì)能力的企業(yè)，可能并不會(huì)被感染企業(yè)影響，具有一定的免疫能力。同時(shí)，一些被傳染的企業(yè)可能通過(guò)相關(guān)政策以及風(fēng)險(xiǎn)管理措施應(yīng)對(duì)這一危機(jī)從而轉(zhuǎn)變?yōu)槊庖咂髽I(yè)。這一傳染過(guò)程與病毒傳染模式具有相似性，傳染病模型也被廣泛地應(yīng)用在金融風(fēng)險(xiǎn)傳導(dǎo)過(guò)程中（何漢、李思呈，2022）。已有的研究成果為本文采用SIRS 傳染病模型研究制造業(yè)債券違約風(fēng)險(xiǎn)提供了堅(jiān)實(shí)的理論基礎(chǔ)。

（二）數(shù)據(jù)選取

考慮到我國(guó)債券違約現(xiàn)象起源于2014 年，但大規(guī)模違約事件直到2018 年才爆發(fā)，因此本研究以2018—2022 年的制造業(yè)債券發(fā)債主體為研究樣本。根據(jù)證監(jiān)會(huì)行業(yè)分類標(biāo)準(zhǔn)進(jìn)行篩選，刪除信息不全的公司以確保研究結(jié)果的可靠性。最終，選取了376 家發(fā)債主體進(jìn)行研究。樣本選取主要基于Wind 數(shù)據(jù)庫(kù)提供的相關(guān)數(shù)據(jù)，這些樣本公司覆蓋了多個(gè)制造業(yè)子行業(yè)，包括鋼鐵、化工、機(jī)械制造等，具有較高代表性。

為了更準(zhǔn)確地探究信用風(fēng)險(xiǎn)的傳染機(jī)制，根據(jù)KMV 模型計(jì)算結(jié)果，選取了2018—2022 年信用違約距離較小、違約風(fēng)險(xiǎn)高的企業(yè)作為樣本。基本準(zhǔn)則是選取5 年間每年違約距離均不超過(guò)2.33，也就是違約可能性大于1%、標(biāo)普評(píng)級(jí)等于或低于BB 的公司。經(jīng)過(guò)篩選，最終選取了36 家符合要求的制造業(yè)公司作為樣本進(jìn)行研究。具體選取樣本如表1 以及圖1 所示，可見(jiàn)違約風(fēng)險(xiǎn)高的企業(yè)大部分是民營(yíng)類企業(yè)。

圖1 樣本企業(yè)屬性以及年平均違約距離

表1 選取制造業(yè)企業(yè)樣本

（三）研究方法與模型構(gòu)建

1.修正的KMV 模型

KMV 模型源于Black-Scholes-Merton（BSM）期權(quán)定價(jià)模型的研究，是一種動(dòng)態(tài)模型，主要用于評(píng)估上市公司的信用風(fēng)險(xiǎn)。企業(yè)在資產(chǎn)價(jià)值處于總債務(wù)與短期債務(wù)之間的某一特定水平時(shí)會(huì)選擇違約，該水平值被稱為違約點(diǎn)（DPT），而公司資產(chǎn)價(jià)值VA與違約點(diǎn)DPT 之間的相對(duì)差距構(gòu)成了違約距離（DD）。違約距離可通過(guò)下述公式表示：

其中，σA為企業(yè)資產(chǎn)價(jià)值波動(dòng)程度。根據(jù)傳統(tǒng)模型假設(shè)，在企業(yè)價(jià)值符合正態(tài)分布的情況下，其理論預(yù)期違約概率（EDF）可以表示為式（2）。其中，DP 表示違約閾值，N（-DD）表示小于負(fù)違約距離的概率。

而傳統(tǒng)的KMV 模型更多是適用于美國(guó)市場(chǎng)，所以如果采用KMV 模型測(cè)度我國(guó)上市公司信用風(fēng)險(xiǎn)，需要對(duì)其進(jìn)行修正。為此，結(jié)合前人研究成果（王星予等，2019），對(duì)KMV 模型進(jìn)行更契合中國(guó)市場(chǎng)的修正。根據(jù)我國(guó)上市公司情況，將流通股與非流通股均采用資產(chǎn)定價(jià)法作為資產(chǎn)價(jià)值，如式（3）所示：

其中，NF代表流通股的數(shù)量，NN代表非流通股的數(shù)量，PF代表流通股每股股價(jià)，PN則表示每股凈資產(chǎn)，每股凈資產(chǎn)=股東權(quán)益/總股本。

由于股票市場(chǎng)尖峰-肥尾型的特征，正態(tài)分布或t 分布均無(wú)法刻畫，因此根據(jù)張建同等（2019）研究，采用GARCH 模型來(lái)計(jì)算股價(jià)波動(dòng)率：

其中，α 為回報(bào)系數(shù)，β 為滯后系數(shù)，α≥0，β≥0。式（4）為條件均值方差，式（5）為條件方差，說(shuō)明時(shí)間序列條件方差的變化特征。違約點(diǎn)DPT 按照通用做法：

其中，STD 為流動(dòng)負(fù)債，LTD 為長(zhǎng)期負(fù)債。根據(jù)模型定義，可以發(fā)現(xiàn)違約距離具有衡量信用風(fēng)險(xiǎn)的功能。違約距離越大，制造業(yè)企業(yè)債券違約概率就越低，反之違約距離越小，則制造業(yè)企業(yè)債券違約概率越大。實(shí)際情況下，上市公司的資產(chǎn)價(jià)值是否符合正態(tài)分布存在一些爭(zhēng)議。此外，由于中國(guó)缺乏完整的歷史違約數(shù)據(jù)，很難建立違約距離和預(yù)期違約概率之間的明確數(shù)學(xué)關(guān)系。所以，本研究參考學(xué)者趙浩等（2018）做法，主要根據(jù)違約距離的相對(duì)大小，來(lái)衡量企業(yè)的信用風(fēng)險(xiǎn)差異。

2.關(guān)聯(lián)信用風(fēng)險(xiǎn)網(wǎng)絡(luò)的構(gòu)建

關(guān)聯(lián)規(guī)則算法（Apriori 算法）是數(shù)據(jù)挖掘算法中的一種。所謂“關(guān)聯(lián)”就是數(shù)據(jù)之間的相互聯(lián)系或依賴關(guān)系，而關(guān)聯(lián)規(guī)則算法就是從大量的數(shù)據(jù)中挖掘出數(shù)據(jù)之間的這種聯(lián)系或依賴關(guān)系的算法。

由于公司之間存在關(guān)聯(lián)關(guān)系，而這一關(guān)聯(lián)關(guān)系必然會(huì)使得公司的信用風(fēng)險(xiǎn)呈現(xiàn)某種聯(lián)動(dòng)性，因此選擇通過(guò)關(guān)聯(lián)規(guī)則算法，從上市公司的信用風(fēng)險(xiǎn)數(shù)據(jù)中，挖掘出公司之間的信用風(fēng)險(xiǎn)聯(lián)動(dòng)性，找出公司之間潛在的關(guān)聯(lián)關(guān)系。

（1）網(wǎng)絡(luò)構(gòu)建過(guò)程。第一步，通過(guò)KMV 模型計(jì)算出樣本企業(yè)的周違約距離對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行度量，作為模型的輸入。第二步，對(duì)違約距離結(jié)果進(jìn)行預(yù)處理，將其轉(zhuǎn)化成布爾型數(shù)據(jù)。若某一公司本周的信用風(fēng)險(xiǎn)數(shù)值較前一周有所增加，則設(shè)定該公司當(dāng)周的信用風(fēng)險(xiǎn)變化為TRUE。第三步，設(shè)定了最小支持度閾值為20%和最小置信度閾值為80%，同時(shí)滿足該條件的為強(qiáng)規(guī)則。支持度是指一條規(guī)則在一個(gè)集合中出現(xiàn)的頻率，支持度越高，說(shuō)明該規(guī)則的重要性越大。但實(shí)際數(shù)據(jù)挖掘中，支持度的值通常較小，因此需要依賴置信度來(lái)更準(zhǔn)確地評(píng)估關(guān)聯(lián)規(guī)則的強(qiáng)度。強(qiáng)規(guī)則意味著不僅在數(shù)據(jù)集中有較高的頻次，且置信度也相對(duì)較高，具備一定的準(zhǔn)確性。第四步，以企業(yè)為節(jié)點(diǎn)，如果債券A 所代表公司的信用風(fēng)險(xiǎn)增加會(huì)導(dǎo)致債券B 所代表公司的信用風(fēng)險(xiǎn)增加，也就是二者之間為一個(gè)強(qiáng)規(guī)則，就認(rèn)為節(jié)點(diǎn)間有一個(gè)連接，并且方向是從A 到B，從而構(gòu)建一個(gè)有向無(wú)權(quán)網(wǎng)絡(luò)。

（2）網(wǎng)絡(luò)指標(biāo)選取與分析。在制造業(yè)企業(yè)信用風(fēng)險(xiǎn)網(wǎng)絡(luò)中，企業(yè)在整個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)度值越高，說(shuō)明該企業(yè)的聯(lián)系和影響力越大，風(fēng)險(xiǎn)傳染的潛在影響力也就越大。有向無(wú)權(quán)網(wǎng)絡(luò)中又分為出度與入度，出度是指該節(jié)點(diǎn)在關(guān)聯(lián)規(guī)則中作為前提或條件的次數(shù)，也就是它導(dǎo)致其他節(jié)點(diǎn)信用風(fēng)險(xiǎn)增加的次數(shù)；入度是指其他節(jié)點(diǎn)在關(guān)聯(lián)規(guī)則中作為結(jié)果或結(jié)論的次數(shù)，也就是其他企業(yè)導(dǎo)致該企業(yè)信用風(fēng)險(xiǎn)增加的次數(shù)，具體度值計(jì)算見(jiàn)式（7）。其中CD（Ni）表示節(jié)點(diǎn)Ni的度值，Xij表示節(jié)點(diǎn)Ni與節(jié)點(diǎn)Nj之間的連接，如果存在連接則為1，否則為0，表示與相連的節(jié)點(diǎn)數(shù)量。

中介中心性：在風(fēng)險(xiǎn)網(wǎng)絡(luò)中，制造業(yè)企業(yè)中介中心性的值越大，表明其在網(wǎng)絡(luò)中充當(dāng)“中介”次數(shù)越多，其在整個(gè)網(wǎng)絡(luò)中位置越重要。因此，通過(guò)對(duì)節(jié)點(diǎn)中介中心性進(jìn)行分析，可以更準(zhǔn)確地評(píng)估其信用風(fēng)險(xiǎn)傳染能力，見(jiàn)式（8）。其中CB（V）表示節(jié)點(diǎn)V 的中介中心性值，σst（v）表示節(jié)點(diǎn)s 到節(jié)點(diǎn)t 的最短路徑中通過(guò)節(jié)點(diǎn)的數(shù)量。

接近中心性：企業(yè)接近中心性越高，說(shuō)明該企業(yè)與其他企業(yè)信用風(fēng)險(xiǎn)關(guān)系越密切，風(fēng)險(xiǎn)傳染可能性越高。具體計(jì)算見(jiàn)式（9），其中Cv表示節(jié)點(diǎn)V 的接近中心性值，表示網(wǎng)絡(luò)中節(jié)點(diǎn)總數(shù)，dvi表示節(jié)點(diǎn)v 到節(jié)點(diǎn)i 的最短路徑長(zhǎng)度。

3.SIRS 傳染病模型的構(gòu)建

首先，模型基本背景假設(shè)。為了便于后續(xù)多情景模擬分析，做如下背景假設(shè)。假設(shè)1：在由N 個(gè)關(guān)聯(lián)企業(yè)組成的信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中，企業(yè)被分為三種類型，即S 易感企業(yè)、I 感染企業(yè)以及R 免疫企業(yè)。易感企業(yè)是指處于風(fēng)險(xiǎn)網(wǎng)絡(luò)中，很可能會(huì)被一個(gè)高信用風(fēng)險(xiǎn)公司所傳染，從而變成一個(gè)高信用風(fēng)險(xiǎn)公司；感染企業(yè)是指在制造業(yè)債券發(fā)行主體中，發(fā)生債券違約的企業(yè)，并且可以通過(guò)不同關(guān)聯(lián)關(guān)系，使相關(guān)企業(yè)形成信用風(fēng)險(xiǎn)；免疫企業(yè)指的是在關(guān)聯(lián)企業(yè)網(wǎng)絡(luò)中，具備技術(shù)優(yōu)勢(shì)或者豐富經(jīng)驗(yàn)，能夠有效識(shí)別和管理信用風(fēng)險(xiǎn)的企業(yè)。假設(shè)2：感染企業(yè)通過(guò)企業(yè)間的關(guān)聯(lián)關(guān)系將部分易感企業(yè)傳染為感染企業(yè)概率為α。但有部分易感企業(yè)會(huì)通過(guò)提高企業(yè)技術(shù)與加大風(fēng)險(xiǎn)防控力度而避免被感染，成為免疫企業(yè)，這一概率為β。部分感染企業(yè)在發(fā)生違約后，通過(guò)一定政策支持來(lái)恢復(fù)其信用狀況，并加大對(duì)企業(yè)風(fēng)險(xiǎn)的管理，從而轉(zhuǎn)變?yōu)槊庖咂髽I(yè)，這一轉(zhuǎn)變概率為γ。但部分企業(yè)也可能在轉(zhuǎn)為免疫企業(yè)后又因?yàn)榻?jīng)營(yíng)不善導(dǎo)致其再次轉(zhuǎn)為易感企業(yè)，設(shè)定這一概率為δ。

其次，模型的構(gòu)建。為了使信用風(fēng)險(xiǎn)的傳染得到控制，即單一企業(yè)所產(chǎn)生的信用風(fēng)險(xiǎn)不會(huì)影響到整個(gè)行業(yè)，借鑒錢茜等（2019）觀點(diǎn)，對(duì)企業(yè)采取相應(yīng)的風(fēng)險(xiǎn)管控策略，包括救治策略和免疫策略。救治策略主要針對(duì)風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)生債券違約的感染企業(yè)，通過(guò)代償、資金拆借、商業(yè)貸款等方式來(lái)“救治”被傳染公司，降低風(fēng)險(xiǎn)關(guān)聯(lián)對(duì)其他公司的沖擊，從而降低風(fēng)險(xiǎn)擴(kuò)散。如果通過(guò)救治策略，比例為σ 的感染企業(yè)變?yōu)槊庖咂髽I(yè)，則稱σ 為救治率。免疫策略主要面向那些容易受到信用風(fēng)險(xiǎn)傳染的企業(yè)。企業(yè)通過(guò)一系列措施，如切斷與已經(jīng)發(fā)生債券違約企業(yè)之間的業(yè)務(wù)關(guān)系以及改善自身的資本結(jié)構(gòu)，可以增強(qiáng)其抵御信用風(fēng)險(xiǎn)傳播的能力，將其由易感企業(yè)成功轉(zhuǎn)化為免疫企業(yè)。如果通過(guò)這種免疫策略，一定比例的易感企業(yè)成功實(shí)現(xiàn)免疫轉(zhuǎn)化，那么這一比例可被稱為免疫率，用ρ 值來(lái)表示。具體信用風(fēng)險(xiǎn)傳染過(guò)程如圖2 所示。

圖2 信用風(fēng)險(xiǎn)傳染過(guò)程圖

根據(jù)上述背景假設(shè)，借鑒錢茜等（2019）和夏承遺等（2008）等做法，結(jié)合復(fù)雜網(wǎng)絡(luò)構(gòu)建如下的SIRS 傳染演化模型：

且S（t）+I（t）+R（t）=1，其中θ（t）為輔助函數(shù)，代表t 時(shí)刻網(wǎng)絡(luò)中任意一個(gè)節(jié)點(diǎn)與感染節(jié)點(diǎn)相連接的概率。因此θ（t）獨(dú)立于節(jié)點(diǎn)的度，具體公式見(jiàn)式（11）。其中〈k〉為網(wǎng)絡(luò)的平均度值。

四、實(shí)證研究與結(jié)果分析

（一）制造業(yè)債券信用風(fēng)險(xiǎn)測(cè)度結(jié)果與分析

由表2 的描述性統(tǒng)計(jì)可以看出，制造業(yè)企業(yè)違約距離分布范圍較廣，這表明制造業(yè)企業(yè)信用風(fēng)險(xiǎn)并不是集中在某一特定范圍內(nèi)，而是存在于整個(gè)違約距離分布中。通過(guò)違約概率公式計(jì)算，整個(gè)周期預(yù)期違約概率在0.35%到15.38%之間，這表明制造業(yè)企業(yè)信用風(fēng)險(xiǎn)并不容忽視。按照與累計(jì)違約率相應(yīng)的標(biāo)準(zhǔn)普爾信貸等級(jí)準(zhǔn)則，A 級(jí)企業(yè)的平均違約概率介于0.08%到1%之間，CC 級(jí)在20%左右，而大多數(shù)發(fā)行公司債券的制造業(yè)企業(yè)評(píng)級(jí)處于A 級(jí)和CC 級(jí)之間，這表明制造業(yè)企業(yè)信用風(fēng)險(xiǎn)相對(duì)較高。

表2 違約距離描述性統(tǒng)計(jì)

因此，在進(jìn)行制造業(yè)企業(yè)債券投資決策時(shí)，投資者應(yīng)該綜合考慮多個(gè)因素。首先，需要關(guān)注該企業(yè)評(píng)級(jí)情況以及相關(guān)財(cái)務(wù)信息，評(píng)級(jí)較高的企業(yè)風(fēng)險(xiǎn)相對(duì)較小。其次，需要關(guān)注該企業(yè)所處行業(yè)及其市場(chǎng)前景，行業(yè)前景較好的企業(yè)風(fēng)險(xiǎn)相對(duì)較小。此外，還需要關(guān)注宏觀經(jīng)濟(jì)環(huán)境變化和政策風(fēng)險(xiǎn)等因素對(duì)企業(yè)信用風(fēng)險(xiǎn)的影響。

（二）關(guān)聯(lián)規(guī)則結(jié)果分析

通過(guò)關(guān)聯(lián)規(guī)則運(yùn)算得出了關(guān)聯(lián)規(guī)則結(jié)果，為深入探究關(guān)聯(lián)規(guī)制是否與實(shí)際相符，本文以2022年為例進(jìn)行分析（如表3 所示），可以看出002011.SZ 和300083.SZ 與002806.SZ 之間有強(qiáng)的關(guān)聯(lián)度，這個(gè)規(guī)則表示如果002011.SZ 和300083.SZ 之間的信用風(fēng)險(xiǎn)增加，那么002806.SZ 的信用風(fēng)險(xiǎn)也會(huì)增加。

表3 2022 年信用風(fēng)險(xiǎn)關(guān)聯(lián)關(guān)系前10 名 單位：%

實(shí)際來(lái)看，002011.SZ 主要業(yè)務(wù)涵蓋裝備制造、智能制造和新能源汽車等領(lǐng)域，300083.SZ 主要經(jīng)營(yíng)為數(shù)控機(jī)床，產(chǎn)品廣泛應(yīng)用于汽車零部件、軌道交通、航空航天等諸多領(lǐng)域，002806.SZ 以生產(chǎn)低壓化成鋁箔和新能源汽車動(dòng)力系統(tǒng)為主，603555.SH 以服裝與運(yùn)動(dòng)器械制造為主，002850.SZ 主要涉及領(lǐng)域?yàn)橥ㄓ嵓半娮赢a(chǎn)品、汽車及新能源汽車。雖然這些企業(yè)主要領(lǐng)域并不是完全一致，但在實(shí)際業(yè)務(wù)中會(huì)存在一些交叉與競(jìng)爭(zhēng)，因此，說(shuō)明生成的關(guān)聯(lián)規(guī)則都是有效的。

根據(jù)2022 年生成的關(guān)聯(lián)規(guī)則來(lái)看，在置信度排名靠前的企業(yè)中，大部分企業(yè)涉及的產(chǎn)業(yè)鏈為新能源汽車、核電以及有色金屬等領(lǐng)域，產(chǎn)業(yè)鏈的特性使得信用風(fēng)險(xiǎn)在某一環(huán)節(jié)的傳播可能對(duì)整個(gè)鏈條產(chǎn)生影響，而新能源汽車、核電以及有色金屬等屬于不同的產(chǎn)業(yè)領(lǐng)域，這一結(jié)果表明制造業(yè)債券信用風(fēng)險(xiǎn)的傳播具有一定的行業(yè)集聚性和傳遞性。對(duì)于監(jiān)測(cè)和預(yù)防信用風(fēng)險(xiǎn)傳染，跨產(chǎn)業(yè)鏈的信息共享和風(fēng)險(xiǎn)聯(lián)防機(jī)制的建立也尤為重要。

（三）信用風(fēng)險(xiǎn)網(wǎng)絡(luò)分析

根據(jù)之前的關(guān)聯(lián)規(guī)則算法，將存在強(qiáng)規(guī)則的節(jié)點(diǎn)連接起來(lái)，得到了有向無(wú)權(quán)的制造業(yè)企業(yè)風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)。圖3 展示了2018 年至2022 年五年間的制造業(yè)企業(yè)風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)圖，節(jié)點(diǎn)代表制造業(yè)債券發(fā)債主體，邊的方向表示企業(yè)之間的信用風(fēng)險(xiǎn)傳播路徑方向。

圖3 2018—2022 年信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)

表4 為五年間網(wǎng)絡(luò)特征指標(biāo)，可以發(fā)現(xiàn)除了2020 年、2021 年，其他年份的網(wǎng)絡(luò)均具有小世界特征，小世界網(wǎng)絡(luò)的特點(diǎn)使得信用風(fēng)險(xiǎn)可以在網(wǎng)絡(luò)中迅速傳播，同時(shí)又具有一定的局部集聚性。這意味著如果某個(gè)企業(yè)發(fā)生信用風(fēng)險(xiǎn)，風(fēng)險(xiǎn)可能快速傳播到其他企業(yè)，尤其是那些與之有較近關(guān)聯(lián)的企業(yè)。這也說(shuō)明2018 年、2019 年以及2022 年信用風(fēng)險(xiǎn)在制造業(yè)債券網(wǎng)絡(luò)中傳播具有高效性。相比之下，2020 年與2021 年平均路徑更長(zhǎng)，聚類系數(shù)更小，2020 年與2021 年均是COVID-19 大流行的暴發(fā)年，許多制造業(yè)企業(yè)受到生產(chǎn)中斷、供應(yīng)鏈問(wèn)題和需求下降的影響，這些因素增加了企業(yè)面臨的信用風(fēng)險(xiǎn)，導(dǎo)致了網(wǎng)絡(luò)平均路徑長(zhǎng)度的增加和聚類系數(shù)的減小，信用風(fēng)險(xiǎn)傳播變得更加復(fù)雜和不穩(wěn)定。

表4 網(wǎng)絡(luò)特征

雖然2020 年與2021 年網(wǎng)絡(luò)不符合小世界特征，但是根據(jù)2020 年和2021 年的冪律分布圖（見(jiàn)圖4），40%的節(jié)點(diǎn)占據(jù)大約70%累計(jì)中介中心性，2020 年與2021 年均符合冪律分布的特征，即少數(shù)企業(yè)在信用風(fēng)險(xiǎn)傳播中起到了重要的作用。因此，可以發(fā)現(xiàn)制造業(yè)企業(yè)風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)均具有無(wú)標(biāo)度的特征。

圖4 2020 年與2021 年冪律分布圖

為了更深入地研究關(guān)鍵節(jié)點(diǎn)的特性，對(duì)出度、中介中心性和接近中心性等網(wǎng)絡(luò)指標(biāo)進(jìn)行深入分析。通過(guò)識(shí)別各年間網(wǎng)絡(luò)指標(biāo)排名靠前且在五年中出現(xiàn)頻率更多的節(jié)點(diǎn)，得出各指標(biāo)關(guān)鍵節(jié)點(diǎn)。表5 是各個(gè)指標(biāo)下制造業(yè)關(guān)鍵節(jié)點(diǎn)五年內(nèi)高頻次節(jié)點(diǎn)的排名。出度高說(shuō)明企業(yè)在信用風(fēng)險(xiǎn)傳播中可能充當(dāng)“傳染源”，如果它們自身面臨信用問(wèn)題，這些問(wèn)題可能會(huì)傳播到與它們有信用關(guān)系的其他企業(yè)；中介中心性高說(shuō)明企業(yè)在風(fēng)險(xiǎn)網(wǎng)絡(luò)中影響更大，因?yàn)槌酥苯舆B接，他們還能通過(guò)“中介作用”將風(fēng)險(xiǎn)傳播給其他企業(yè)；接近中心性高意味著與多個(gè)其他企業(yè)有直接聯(lián)系，它們對(duì)網(wǎng)絡(luò)中其他企業(yè)的信用狀況變化可能更為敏感，如果與之有關(guān)的企業(yè)信用狀況出現(xiàn)問(wèn)題，這些企業(yè)可能更容易受到波及。

表5 五年風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)

對(duì)表5 關(guān)鍵節(jié)點(diǎn)深入挖掘發(fā)現(xiàn)，大部分企業(yè)均屬于民營(yíng)企業(yè)。例如，002094.SZ、300707.SZ、002895.SZ、300083.SZ 和300130.SZ 這五個(gè)節(jié)點(diǎn)均為民營(yíng)企業(yè)，且在各個(gè)指標(biāo)中均排名靠前，說(shuō)明它們?cè)谥圃鞓I(yè)企業(yè)信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中扮演著關(guān)鍵的角色。這也與我國(guó)實(shí)際制造業(yè)情況相符合，我國(guó)民營(yíng)企業(yè)在制造行業(yè)中的比例超過(guò)了90%，民間投資的比重超過(guò)85%，因此政府監(jiān)管機(jī)構(gòu)需要更加關(guān)注民營(yíng)企業(yè)的信用風(fēng)險(xiǎn)情況，采取措施來(lái)穩(wěn)定和提高制造業(yè)的信用環(huán)境。

除此之外，發(fā)現(xiàn)處于關(guān)鍵節(jié)點(diǎn)位置的企業(yè)大多數(shù)來(lái)自廣東省和江蘇省，而我國(guó)制造業(yè)企業(yè)有明顯的產(chǎn)業(yè)集群現(xiàn)象，目前已形成以“一帶三核兩支撐”為特征的先進(jìn)制造業(yè)集群空間分布總體格局。廣東省與江蘇省均屬于“三核”部分，是我國(guó)制造業(yè)發(fā)展的核心區(qū)，一旦這些核心地區(qū)的企業(yè)出現(xiàn)信用風(fēng)險(xiǎn)問(wèn)題，不僅僅會(huì)將風(fēng)險(xiǎn)傳染給同地區(qū)的企業(yè)，也會(huì)傳染給其他地區(qū)的相關(guān)企業(yè)，所以，對(duì)區(qū)域內(nèi)企業(yè)信貸風(fēng)險(xiǎn)進(jìn)行有效的控制，對(duì)于防范整體制造業(yè)風(fēng)險(xiǎn)，保證區(qū)域經(jīng)濟(jì)的穩(wěn)定發(fā)展具有重要意義。并且通過(guò)細(xì)分行業(yè)來(lái)看，關(guān)鍵節(jié)點(diǎn)的具體行業(yè)呈現(xiàn)出一定的行業(yè)集中趨勢(shì)，60%的企業(yè)屬于專用設(shè)備制造業(yè)、化學(xué)原料和化學(xué)制品制造業(yè)以及計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)，這些行業(yè)涵蓋了制造業(yè)的關(guān)鍵領(lǐng)域，且位于產(chǎn)業(yè)鏈的核心位置，在整個(gè)行業(yè)中有更加廣泛的關(guān)聯(lián)。如果這些行業(yè)中的企業(yè)面臨信用問(wèn)題，將會(huì)導(dǎo)致市場(chǎng)供應(yīng)鏈中斷，產(chǎn)生一系列連鎖反應(yīng)，增加市場(chǎng)情緒波動(dòng)以及金融體系風(fēng)險(xiǎn)。因此，監(jiān)管者在制定政策時(shí)應(yīng)考慮加強(qiáng)對(duì)這些關(guān)鍵行業(yè)的監(jiān)管和風(fēng)險(xiǎn)防范措施。同時(shí)加大金融機(jī)構(gòu)對(duì)關(guān)鍵制造業(yè)領(lǐng)域支持，但也要進(jìn)行相關(guān)的風(fēng)險(xiǎn)評(píng)估，確保金融機(jī)構(gòu)在授信和融資過(guò)程中更加審慎，降低整個(gè)金融體系的系統(tǒng)性風(fēng)險(xiǎn)。

五、多情景模擬結(jié)果分析

為了進(jìn)一步刻畫制造業(yè)企業(yè)信用風(fēng)險(xiǎn)傳染的特征，本文借鑒李永奎等（2017）的參數(shù)設(shè)置，按照無(wú)管制政策、采取救治政策、采取免疫政策和同時(shí)采取兩種政策四種情況進(jìn)行多情景仿真實(shí)驗(yàn)。

（一）無(wú)管制政策

根據(jù)前文的制造業(yè)企業(yè)信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)，設(shè)置企業(yè)樣本為36，初始感染企業(yè)為企業(yè)中的關(guān)鍵節(jié)點(diǎn)數(shù)5，設(shè)置參數(shù)α=0.2，β=0.2，γ=0.2，δ=0.2，σ=0，ρ=0。結(jié)果如圖5 所示。初始感染企業(yè)為5家，然后逐漸下降最終趨近于0。這表明在不采取任何政策干預(yù)的情況下，感染企業(yè)的數(shù)量在模擬過(guò)程中逐漸減少，最終幾乎沒(méi)有感染企業(yè)存在。這代表制造業(yè)企業(yè)能有一定的自我保護(hù)措施，可以減少債券違約。并且免疫企業(yè)在上升一段時(shí)間后數(shù)量達(dá)到了穩(wěn)定狀態(tài)，這意味著一部分企業(yè)在發(fā)生違約后，不容易再次感染。易感企業(yè)從開(kāi)始下降后又慢慢上升，并在最終保持不變。這表明一部分易感企業(yè)采取了措施來(lái)減輕風(fēng)險(xiǎn)并能夠成功應(yīng)對(duì)，從而導(dǎo)致易感企業(yè)的數(shù)量下降。然而，隨著時(shí)間的推移，其他新的風(fēng)險(xiǎn)因素出現(xiàn)，導(dǎo)致易感企業(yè)數(shù)量再次上升。

圖5 無(wú)政策時(shí)風(fēng)險(xiǎn)傳染情況

（二）采取救治政策

設(shè)置參數(shù)α=0.2，β=0.2，γ=0.2，δ=0.2，ρ=0，為了了解不同救治程度下風(fēng)險(xiǎn)傳染情況，分別將σ 設(shè)為0.2、0.3、0.4。結(jié)果如圖6 所示。與之前未采取任何政策的情況相比，在采用救助政策的情況下，行業(yè)中發(fā)生信用違約的企業(yè)減少得更快，并且隨著救助率的增加，違約企業(yè)減少速度加快，說(shuō)明采取救助政策能夠有效降低企業(yè)的違約風(fēng)險(xiǎn)。這表明政策的干預(yù)程度對(duì)降低違約風(fēng)險(xiǎn)非常關(guān)鍵。例如，人民銀行提出要求銀行業(yè)金融機(jī)構(gòu)加大對(duì)制造業(yè)科技創(chuàng)新和技術(shù)改造貸款的支持，提高風(fēng)險(xiǎn)容忍度，增加中長(zhǎng)期貸款投放等。這些政策措施的提出，表明企業(yè)能獲得更高的救助率，因此更多的企業(yè)能夠更快速地克服財(cái)務(wù)困境，減少信用風(fēng)險(xiǎn)的發(fā)生。

圖6 在不同救助率下風(fēng)險(xiǎn)傳染情況

（三）采取免疫政策

設(shè)置參數(shù)α=0.2，β=0.2，γ=0.2，δ=0.2，σ=0，為了了解不同程度免疫政策對(duì)風(fēng)險(xiǎn)傳染的影響程度，分別將ρ 設(shè)為0.4、0.6、0.8。結(jié)果如圖7 所示。與之前未采取任何政策相比，采取免疫政策后，感染企業(yè)下降的速度相差不大，說(shuō)明免疫政策對(duì)發(fā)生信用風(fēng)險(xiǎn)的企業(yè)來(lái)說(shuō)效果較小，因?yàn)檫@些企業(yè)已經(jīng)受到了信用風(fēng)險(xiǎn)的影響，可能已經(jīng)陷入財(cái)務(wù)困境。免疫政策可能難以迅速改善它們的財(cái)務(wù)狀況或扭轉(zhuǎn)已經(jīng)發(fā)生的風(fēng)險(xiǎn)事件。但對(duì)于容易發(fā)生信用風(fēng)險(xiǎn)而沒(méi)有發(fā)生的企業(yè)有較大影響，在免疫政策的影響下，減少易感企業(yè)與感染企業(yè)的業(yè)務(wù)往來(lái)，使得易感染企業(yè)急速減少，免疫企業(yè)數(shù)量快速上升。

圖7 在不同免疫率下風(fēng)險(xiǎn)傳染情況

（四）采取雙控制政策

設(shè)置參數(shù)α=0.2，β=0.2，γ=0.2，δ=0.2，為了對(duì)比采用兩種政策是否更有助于減少風(fēng)險(xiǎn)的傳播，同時(shí)設(shè)置救助率為σ=0.3、免疫率為ρ=0.6。結(jié)果如圖8 所示。通過(guò)圖8 與圖5 的對(duì)比可以發(fā)現(xiàn)，采取相關(guān)政策有助于減少行業(yè)內(nèi)的信用風(fēng)險(xiǎn)傳染，并且與采用單一政策相比，同時(shí)進(jìn)行免疫政策與救助政策更加有助于減少風(fēng)險(xiǎn)。例如，2022 年稅務(wù)總局聯(lián)合財(cái)政部制發(fā)了《國(guó)家稅務(wù)總局財(cái)政部關(guān)于制造業(yè)中小微企業(yè)繼續(xù)延緩繳納部分稅費(fèi)有關(guān)事項(xiàng)的公告》，該項(xiàng)救助政策的出臺(tái)，緩解了較多現(xiàn)金流緊張的制造業(yè)企業(yè)的困境，有效減少了企業(yè)的信用風(fēng)險(xiǎn)。

圖8 雙控制政策情況下風(fēng)險(xiǎn)傳染情況

六、結(jié)論與政策建議

制造業(yè)債券市場(chǎng)作為實(shí)體經(jīng)濟(jì)的重要融資平臺(tái)，盡管具備一定的融資功能，但也伴隨著潛在的信用風(fēng)險(xiǎn)傳染問(wèn)題，因此深入研究制造業(yè)債券市場(chǎng)中的信用風(fēng)險(xiǎn)具有重要的學(xué)術(shù)和實(shí)踐意義。在此背景下，本文以2018—2022 年制造業(yè)債券發(fā)債主體作為研究樣本，采用KMV 模型來(lái)度量信用風(fēng)險(xiǎn)，利用關(guān)聯(lián)規(guī)則算法構(gòu)建風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)探索債券信用風(fēng)險(xiǎn)傳染路徑，并借助SIRS 傳染病模型進(jìn)行多情景模擬分析，以期為政府監(jiān)管制造業(yè)債券市場(chǎng)提供參考。

具體研究結(jié)論如下：第一，制造業(yè)債券發(fā)行主體企業(yè)信用風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)具有小世界與無(wú)標(biāo)度特征，行業(yè)內(nèi)信用風(fēng)險(xiǎn)傳播速度快、傳播效率強(qiáng)，這表明關(guān)鍵節(jié)點(diǎn)在風(fēng)險(xiǎn)傳播中具有重要作用，它們擁有更多的連接，是風(fēng)險(xiǎn)傳染的關(guān)鍵媒介。第二，通過(guò)對(duì)關(guān)鍵節(jié)點(diǎn)深入觀察發(fā)現(xiàn)，大部分制造業(yè)債券發(fā)債主體均為民營(yíng)企業(yè)，并且制造業(yè)企業(yè)具有一定的產(chǎn)業(yè)集群特征，網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)大部分位于廣東省與江蘇??；同時(shí)發(fā)現(xiàn)，大部分關(guān)鍵節(jié)點(diǎn)屬于工業(yè)機(jī)械、機(jī)動(dòng)車零配件以及基礎(chǔ)化工行業(yè)。第三，救助政策在迅速降低違約風(fēng)險(xiǎn)方面發(fā)揮關(guān)鍵作用；免疫政策對(duì)已感染企業(yè)的影響有限，但對(duì)易感企業(yè)能產(chǎn)生顯著影響，降低了它們陷入風(fēng)險(xiǎn)的機(jī)會(huì)；采取多重政策措施，同時(shí)實(shí)施救助和免疫政策，可以更有效地降低信用風(fēng)險(xiǎn)傳染，維護(hù)制造業(yè)企業(yè)的穩(wěn)定性。

基于上述結(jié)論提出如下政策建議：第一，為了防止大規(guī)模債券違約事件的發(fā)生，政府部門可以提供貸款擔(dān)保、減稅政策、研發(fā)資金支持等措施。例如，政府部門可以通過(guò)擔(dān)保或者補(bǔ)貼等形式引導(dǎo)銀行加大對(duì)制造業(yè)企業(yè)的信貸支持，或者通過(guò)延緩繳納部分稅收來(lái)緩解企業(yè)資金流困難問(wèn)題，幫助企業(yè)提高信用水平和創(chuàng)新能力。同時(shí)，政府部門應(yīng)加強(qiáng)對(duì)金融機(jī)構(gòu)的監(jiān)管，確保在向制造業(yè)企業(yè)提供融資時(shí)遵循風(fēng)險(xiǎn)管理的最優(yōu)路徑。例如，評(píng)估借款企業(yè)的信用風(fēng)險(xiǎn)，以確保金融機(jī)構(gòu)能夠承受潛在的風(fēng)險(xiǎn)。第二，政府可以促進(jìn)跨地區(qū)的合作，分散產(chǎn)業(yè)集聚帶來(lái)的風(fēng)險(xiǎn)，以共同維護(hù)制造業(yè)的穩(wěn)定。同時(shí)，各地政府應(yīng)該根據(jù)自身發(fā)展?fàn)顩r，因地制宜，制定差異化的政策，合理引導(dǎo)和促進(jìn)制造業(yè)發(fā)展，從而優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提高企業(yè)整體信用水平，減輕信用風(fēng)險(xiǎn)的發(fā)生。第三，政府和金融機(jī)構(gòu)應(yīng)采取多元化政策組合，如救助政策和免疫政策等，以更全面地管理制造業(yè)企業(yè)的信用風(fēng)險(xiǎn)。加強(qiáng)救助政策的精細(xì)化，為已感染企業(yè)提供定制化的貸款和資本支持。擴(kuò)大制造業(yè)中長(zhǎng)期貸款，建立制造業(yè)中長(zhǎng)期貸款備選項(xiàng)目庫(kù)機(jī)制，以帶動(dòng)制造業(yè)投資，促進(jìn)地區(qū)產(chǎn)業(yè)轉(zhuǎn)型發(fā)展。建立金融風(fēng)險(xiǎn)防控機(jī)制，提高制造業(yè)貸款投放的可持續(xù)性，充分發(fā)揮金融支持制造業(yè)的重要作用。同時(shí)，強(qiáng)調(diào)免疫政策的重要性，通過(guò)減少易感企業(yè)與感染企業(yè)的業(yè)務(wù)往來(lái)，降低風(fēng)險(xiǎn)傳播的機(jī)會(huì)。此外，政策應(yīng)具有靈活性，能夠根據(jù)經(jīng)濟(jì)和行業(yè)風(fēng)險(xiǎn)的變化進(jìn)行動(dòng)態(tài)調(diào)整，以確保金融體系的穩(wěn)定和制造業(yè)企業(yè)的可持續(xù)發(fā)展。